Metodología para la construcción de generadores de números pseudo-aleatorios utilizando programación genética

Ismael Rojas-Montes; Ariel Cavazos-Amador; Abraham Flores-Vergara; Eddie Helbert Clemente-Torres

doi:10.29057/icbi.v11iEspecial2.10815

Ismael Rojas-Montes Ensenada Institute of Technology https://orcid.org/0009-0004-1439-1644
Ariel Cavazos-Amador Ensenada Institute of Technology https://orcid.org/0009-0007-3698-2041
Abraham Flores-Vergara Tecnológico Nacional de México https://orcid.org/0000-0001-8627-8908
Eddie Helbert Clemente-Torres Ensenada Institute of Technology https://orcid.org/0000-0003-3195-9540

DOI: https://doi.org/10.29057/icbi.v11iEspecial2.10815

Palabras clave: Generador PRNG, Programación Genetica, Criptografía de imagenes

Resumen

Los generadores de números pseudoaleatorios (PRNG, por sus siglas en inglés), se utilizan comúnmente en la informática para simular eventos aleatorios en aplicaciones como juegos, simulaciones, análisis estadístico y criptografía. En este trabajo se presenta una metodología para proponer PRNGs de forma indirecta, utilizando la encriptación de una imagen. Los PRNGs propuestos se construyen de forma automática utilizando programación genética. El rendimiento de los PRNGs propuestos, superan a PRNGs compuestos por sistemas caóticos y se validan utilizando el conjunto de pruebas estad´ısticas NIST 800-22 Rev. 1a., alcanzando rendimientos arriba del 99.46 %.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Abraham Flores-Vergara, Tecnológico Nacional de México

Formación Académica
Doctor en ciencias con especialidad en Procesamiento paralelo en sistemas embebidos – Universidad Autónoma de Baja California.
Maestro en Ingeniería con especialidad en criptografía caótica en sistemas embebidos- Universidad Autónoma de Baja California.
Ingeniero en computación - Universidad Autónoma de Baja California.

Especialidad
Sus áreas de interés son, la implementación de métodos criptográficos modernos en sistemas embebidos y la aplicación de sistemas caóticos en métodos criptográficos. Por lo anterior, se especializa en analizar y optimizar los métodos criptográficos modernos implementados en sistemas embebidos con el propósito de optimizar los tiempos de procesamiento y potenciar la seguridad criptográfica.

Citas

Akhshani, A., Akhavan, A., Mobaraki, A., Lim, S.-C., y Hassan, Z. (2014). Pseudo random number generator based on quantum chaotic map. Communications in Nonlinear Science and Numerical Simulation, 19(1):101–111. Recuperado de https://www.sciencedirect.com/science/article/pii/S1007570413002700?casa_token=ggWyeR_3h4oAAAAA:7FAX5EXyuGMpGBtBvdeWDwHtc0ffxjFBG1Xe69MNCRCRej7Bme4SiMO8fJz-TAzX0z8k0KcAOQo

Bhowmik, A., Karforma, S., Dey, J., y Sarkar, A. (2021). Approximation algorithm and linear congruence: a state-of-art approach in information security issues towards internet of vehicles. Internet of vehicles and its applications in autonomous driving, pp. 149–172. Recuperado de https://link.springer.com/chapter/10.1007/978-3-030-46335-9_10.

Gnatyuk, S., Okhrimenko, T., Azarenko, O., Fesenko, A., y Berdibayev, R. (2020). Experimental study of secure prng for q-trits quantum cryptography protocols. En 2020 IEEE 11th International Conference on Dependable Systems, Services and Technologies (DESSERT), pp. 183–188. IEEE. Recuperado de https://ieeexplore.ieee.org/abstract/document/9125007

Hernandez, J. C., Seznec, A., e Isasi, P. (2004). On the design of state-of-theart pseudorandom number generators by means of genetic programming. En Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No. 04TH8753), volumen 2, pp. 1510–1516. IEEE. Recuperado de https://ieeexplore.ieee.org/abstract/document/1331075.

James, F. (1990). A review of pseudorandom number generators. Computer physics communications, 60(3):329–344. Recuperado de https://www.sciencedirect.com/science/article/abs/pii/001046559090032V.

Kietzmann, P., Schmidt, T. C., y Wählisch, M. (2021). A guideline on pseudorandom number generation (prng) in the iot. ACM Computing Surveys (CSUR), 54(6):1–38. Recuperado de https://dl.acm.org/doi/abs/10.1145/3453159.

Kösemen, C., Dalkilic¸, G., y Aydin, Ö . (2018). Genetic programming-based pseudorandom number generator for wireless identification and sensing platform. Turkish Journal of Electrical Engineering and Computer Sciences, 26(5):2500–2511. Recuperado de https://journals.tubitak.gov.tr/elektrik/vol26/iss5/28/.

Lamenca-Martinez, C., Hernandez-Castro, J. C., Estevez-Tapiador, J. M., y Ribagorda, A. (2006). Lamar: A new pseudorandom number generator evolved by means of genetic programming. En Parallel Problem Solving from Nature-PPSN IX: 9th International Conference, Reykjavik, Iceland, September 9-13, 2006, Proceedings, pp. 850–859. Springer. Recuperado de https://link.springer.com/chapter/10.1007/11844297_86.

Moreno, M. (2015). Linear congruence generators. Recuperado de https://mmore500.com/resources/december_2_2015.pdf.

Naik, R. B. y Singh, U. (2022). A review on applications of chaotic maps in pseudo-random number generators and encryption. Annals of Data Science, pp. 1–26. Recuperado de https://link.springer.com/article/10.1007/s40745-021-00364-7.

Sathya, K., Premalatha, J., y Rajasekar, V. (2021). Investigation of strength and security of pseudo random number generators. En IOP Conference Series: materials Science and Engineering, volumen 1055, p. 012076. IOP Publishing. Recuperado de https://iopscience.iop.org/article/10.1088/1757-899X/1055/1/012076/meta.

Sayed, W. S. y Radwan, A. G. (2020). Generalized switched synchronization and dependent image encryption using dynamically rotating fractional-order chaotic systems. AEU-International Journal of Electronics and Communications, 123:153268. Recuperado de https://www.sciencedirect.com/science/article/pii/S1434841120306294?casa_token=CDx1VcRk0rIAAAAA:r9ttSFCo8Gj8fKnwUBpD5Y5bWQD5vJiv3dot5CfpJx_K_40Avg_EobGIrHksJH54KZsI8AJp44E.

Senkerik, R., Zelinka, I., y Pluhacek, M. (2017). Chaos-based optimization-a review. J. Adv. Eng. Comput., 1(1):68–79. Recuperado de https://www.researchgate.net/profile/Michal-Pluhacek/publication/324087299_Chaos-Based_Optimization_-_A_Review/links/5ac23a440f7e9bfc045e52fc/Chaos-Based-Optimization-A-Review.pdf.

Si, Y., Liu, H., y Chen, Y. (2022). Constructing a 3d exponential hyperchaotic map with application to prng. International Journal of Bifurcation and Chaos, 32(07):2250095. Recuperado de https://www.worldscientific.com/doi/abs/10.1142/S021812742250095X.

Tornea, O. (2013). Contributions to DNA cryptography: applications to text and image secure transmission. Tesis doctoral, Université Nice Sophia Antipolis; Universitatea tehnica (Cluj-Napoca, Roumanie). Recuperado de https://theses.hal.science/tel-00942608/.

Yuan, S., Jiang, T., y Jing, Z. (2011). Bifurcation and chaos in the tinkerbell map. International Journal of bifurcation and chaos, 21(11):3137–3156. Recuperado de https://www.worldscientific.com/doi/abs/10.1142/S0218127411030581.

Zgliczynski, P. (1997). Computer assisted proof of chaos in the rössler equations and in the hénon map. Nonlinearity, 10(1):243. Recuperado de https://iopscience.iop.org/article/10.1088/0951-7715/10/1/016/meta?casa_token=5vDT7Rx3ItwAAAAA:VDj0JvpcfMuOGJXs15a1ONTzliRjNnJmkIRg5xkZIoGuDyYs4g5Lk63YeB-TJL-rp9JEtCTCMJCw_uK2MtyC.